Mesenchymal stem/stromal cell-based therapies for severe viral pneumonia: therapeutic potential and challenges
Notice bibliographique
Résumé
Severe viral pneumonia is a significant cause of morbidity and mortality globally, whether due to outbreaks of endemic viruses, periodic viral epidemics, or the rarer but devastating global viral pandemics. While limited anti-viral therapies exist, there is a paucity of direct therapies to directly attenuate viral pneumonia-induced lung injury, and management therefore remains largely supportive. Mesenchymal stromal/stem cells (MSCs) are receiving considerable attention as a cytotherapeutic for viral pneumonia. Several properties of MSCs position them as a promising therapeutic strategy for viral pneumonia-induced lung injury as demonstrated in pre-clinical studies in relevant models. More recently, early phase clinical studies have demonstrated a reassuring safety profile of these cells. These investigations have taken on an added importance and urgency during the COVID-19 pandemic, with multiple trials in progress across the globe. In parallel with clinical translation, strategies are being investigated to enhance the therapeutic potential of these cells in vivo, with different MSC tissue sources, specific cellular products including cell-free options, and strategies to 'licence' or 'pre-activate' these cells, all being explored. This review will assess the therapeutic potential of MSC-based therapies for severe viral pneumonia. It will describe the aetiology and epidemiology of severe viral pneumonia, describe current therapeutic approaches, and examine the data suggesting therapeutic potential of MSCs for severe viral pneumonia in pre-clinical and clinical studies. The challenges and opportunities for MSC-based therapies will then be considered.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».